Vous pouvez exporter gratuitement toutes les données d'événements des propriétés GA4 vers BigQuery grâce dans la limite de 1M hits/jours (version gratuite de GA4).
L’accès aux données n’est pas rétroactif, il faut donc ouvrir une instance avant de pouvoir collecter les données dans BigQuery.
Dans BigQuery, vous pouvez importer des données externes provenant d'autres sources, comme des données CRM, et les combiner avec vos données Google Analytics, en utilisant une syntaxe semblable à SQL pour interroger les données pour des rapports avancés au-delà des limites d'échantillonnage et de quota.
Cela vous permet de créer des segments d'audience, d'explorer l'attribution personnalisée du trafic, et de construire des modèles simples de machine learning pour le reporting et les audiences.
Intégrer d'autres sources de données
BigQuery est compatible avec de nombreuses autres plateformes, telles que les plateformes publicitaires, les CRM et les plateformes d'affiliation. Cela signifie que vous pouvez importer divers types de données dans BigQuery, en faisant de celui-ci un véritable data lake. Vous pouvez ainsi combiner les données de GA4 avec d'autres sources de données pour obtenir une vue complète de votre entreprise et prendre des décisions stratégiques éclairées.
Créer des segments d'audience
Avec l'intégration de GA4 et BigQuery, vous pouvez créer des segments d'audience sophistiqués et personnalisés. En combinant les données de comportement en ligne issues de GA4 avec d'autres sources de données dans BigQuery, il est possible de cibler des audiences très spécifiques. Ces segments peuvent être utilisés pour des campagnes marketing ciblées, améliorant ainsi l'engagement client et augmentant le retour sur investissement des campagnes.
Explorer des modèles d’attribution personnalisés
L'utilisation conjointe de GA4 et BigQuery permet d'explorer des modèles d'attribution personnalisés, essentiels pour comprendre le parcours client. Avec BigQuery, vous pouvez analyser en profondeur l'efficacité des différents canaux et points de contact, identifiant ainsi lesquels contribuent le plus à la conversion. Cela permet une attribution plus précise des ventes et des conversions, aidant à optimiser les stratégies de marketing et de publicité.
Exploiter des modèles de Machine Learning (BQML)
BigQuery ML (BQML) permet de créer et d'exécuter des modèles de machine learning directement dans BigQuery. Cette intégration facilite l'analyse prédictive et la segmentation comportementale, sans nécessiter de compétences avancées en data science. Vous pouvez ainsi prédire les tendances de consommation, identifier les segments de clients les plus précieux, et optimiser les campagnes marketing en fonction des prédictions générées par BQML.
Autres avantages de GoogleBigQuery
Bénéficier d’un délai de traitement plus rapide
Google BigQuery est conçu pour traiter rapidement de grandes quantités de données, ce qui le rend particulièrement utile pour l'exécution de requêtes SQL avancées. Sa rapidité d'exécution permet d'extraire rapidement des informations, même à partir de grands ensembles de données.
Pas d’infrastructure à gérer
BigQuery permet de stocker des quantités illimitées de données et de les requêter sans avoir à créer de serveurs soi-même. C’est l’outil qui gère lui-même ses besoins en infrastructure. Cela permet aux utilisateurs de se concentrer sur l’analyse et le traitement des données.
Tarification flexible
BigQuery est un service de stockage et de traitement de données volumineuses proposé par Google Cloud Platform. Il permet de stocker et d'analyser de grandes quantités de données, ce qui en fait une solution idéale pour créer un data warehouse.
Google BigQuery offre une structure tarifaire flexible basée sur l'utilisation des données. Les coûts dépendent de plusieurs facteurs, notamment :
- la quantité de données stockées ;
- la quantité de données traitées ;
- et le type de requêtes exécutées (l'insertion de données en continu dans BigQuery est gratuite, mais la lecture de données en continu est facturée en fonction du nombre de Go lus).
Google offre une allocation mensuelle gratuite de 10 Go de stockage de données, ainsi que 1 To de traitement de données par mois. Ainsi, pour la majorité des petites et moyennes entreprises, l'utilisation de BigQuery est gratuite. Vous avez donc tout à gagner à mettre en place cette solution.
Éviter les limites des quotas GA4 API sur Google Looker Studio
Le 10 novembre 2022, Google a modifié ses limites d'API en mettant en place des "quotas" de requêtes via un connecteur entre GA4 et Looker Studio, son outil de tableaux de bord et de rapports graphiques. Ce qui semblait initialement être un problème temporaire dans Looker Studio s'est avéré être le résultat de modifications apportées par Google Analytics 4 avec l’utilisation d’API de connexion. Ainsi, tous dashboards Looker Studio utilisant des connecteurs comme l’API GA4 mais aussi d’autres comme Supermetrics par exemple, voient leurs dashboards affectés avec des problèmes d’affichage et de chargement de données.
En exportant les données analytics brutes depuis GA4 vers BigQuery, vous résolvez ce problème de limitation de requêtes. L’export se fait directement, mettant à disposition l’entièreté de vos données et garantissant un chargement rapide des rapports.
En savoir plus
Auteur
Camille Monneret
Camille est passionnée de Web Analyses et CRO. Ex-Michelin, Camille a une vision et une expérience 360 en SEA, SEO, SMA, CRO.
Suivez Starfox Analytics sur Linkedin
Un besoin, une question ? Notre équipe vous répondra au plus vite.
→ Suivez Starfox sur Linkedin
Suggérer une amélioration
Quelque chose n’est pas clair, vous souhaitez contribuer à la base de connaissance ou simplement, suggérez des améliorations ? Contactez [email protected].
